[發明專利]基于偽異常點辨識的關口電能表數據異常檢測方法及系統

有效

• 申請號: 202011079730.7
• 申請日: 2020-10-10
• 公開（公告）號: CN112213687B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 白泰;王家駒;徐嚴軍;汪佳;劉晨;謝智;張然;薛莉思;吳蒙;鐘黎
• 申請（專利權）人: 國網四川省電力公司電力科學研究院
• 主分類號: G01R35/04
• 分類號: G01R35/04
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 張超

本發明公開了基于偽異常點辨識的關口電能表數據異常檢測方法及系統,將數據異常模式分為隨機異常點和連續異常點兩類：對于隨機異常點模式，根據電力負荷數據具有規律性的特點，通過對數據曲線進行時間序列分解和自相關分析實現隨機異常點的檢測，規避用戶周期性用電行為帶來的異常檢測干擾數據；對于連續異常點模式，根據電力用戶異常用電特點，基于歷史數據提取線損率與電量連續下降趨勢兩個特征，訓練用戶竊電行為檢測模型，規避用戶異常用電行為帶來的異常檢測干擾數據，進而搭建關口電能表異常檢測模型，以實現對偽異常數據的自動辨識。本發明方法能夠規避用戶動態行為帶來的干擾數據，進而準確識別異常值，提高數據質量。

技術領域

本發明涉及電力設備檢測技術領域，具體涉及基于偽異常點辨識的關口電能表數據異常檢測方法及系統。

背景技術

目前對于關口電能表計量數據異常研究多集中于異常原因探析及在線監測系統設計方面，而從采集數據本身質量出發，對數據自身價值的挖掘研究較少。關口電能表計量數據是典型的一維時間序列數據，可以通過傳統的3σ準則、箱線圖等方法進行異常值檢測，但由于用電數據具有明顯波動性和規律性的特征，單一的傳統方法檢測誤檢率較高，適用性較差。

理想工況下，關口電能表各監測指標的數據應穩定在合理范圍內。但在實際工作條件下，由于環境因素、機械故障等偶然因素，關口表數據往往存在一些質量問題。同時，用戶的動態行為也會產生表現形式與前者相似的數據點，如異常用電行為和周期性用電行為。兩種情況在計量數據中的表現形式均為不符合歷史數據規律的異常點。而由于兩者異常點產生的機理不同，其內在的挖掘價值也不同。用戶的動態行為造成的異常點可以反映負荷需求或負荷的異常用電情況，具有后續挖掘意義，因此被定義為偽異常點；相反，環境因素和機械問題等產生的異常點具有偶然因素，后續挖掘價值較小。

發明內容

本發明所要解決的技術問題是對于關口電能表計量數據異常研究的傳統方法檢測誤檢率較高，適用性較差，目的在于提供一種基于偽異常點辨識的關口電能表數據異常檢測方法及系統，解決了能夠規避用戶動態行為帶來的干擾數據，準確識別異常值，提高數據質量的問題。

本發明通過下述技術方案實現：

基于偽異常點辨識的關口電能表數據異常檢測方法,包括以下步驟：基于關口電能表采集到的異常數據集，判斷所述異常數據集的類型，所述類型包括：隨機異常模式和連續異常模式；A：針對隨機異常模式的異常數據集：將所述隨機異常模式下異常數據集的負荷曲線，通過STL時間序列分解算法處理，得到所述負荷曲線的趨勢項、周期項和殘差項，包括以下子步驟：步驟A1：將所述負荷曲線進行去趨勢化處理，提取所述負荷曲線的周期項和殘差項，并將所述去趨勢化后的負荷曲線，進行傅里葉變換至頻域，根據峰值間隔獲得所有候選周期K；步驟A2：對去趨勢化后的所述負荷曲線進行自相關性分析，獲得所述候選周期K對應的自相關函數值P，通過對潛在異常值分別剔除進行迭代計算，獲得最大自相關函數值ρmax，所述最大自相關函數值ρmax對應的周期ki即為蘊含用戶周期性用電行為的真實周期，從而篩選出隨機異常點；其中，K＝{k1,k2…,kn},P＝{ρ1,ρ2…,ρn}，i∈{1，2，…,n}，n為自然數；B：針對連續異常模式的異常數據集：基于歷史數據集，通過提取線損率和電量連續下降趨勢形成專家樣本，送入分類器進行訓練，形成用戶竊電行為檢測模型；將所述連續異常模式的異常數據集送入所述用戶竊電行為檢測模型中，從而篩選出連續異常點。